毕马威最近联合中关村产业研究院共同发布《人工智能全域变革图景展望：跃迁点来临（2023）》，提出人工智能产业未来发展的十大趋势，并深度剖析各个趋势的发展情况与核心驱动力，以期能为AI产业界带来有益参考，锚定机遇，化解挑战。

趋势一：多模态预训练大模型是人工智能产业的标配在算法方面，预训练大模型发展起源于自然语言处理（NLP）领域，当前已进入“百模大战”阶段，预计随着大模型创新从单模态转向多模态，多模态预训练大模型将逐渐成为人工智能产业的标配。目前，国内大模型虽在市场影响力方面稍逊色于GPT系列模型、PaLM-E等，但在中文语料训练、中国文化理解方面具备本土优势。此外，国内制造业等实体产业为大模型提供了丰富的训练数据和应用场景。未来，在大模型面向产业赋能方面，中国大模型极有可能后发先至，也会是国内大模型竞争的关键因素之一。

趋势二：高质量数据愈发稀缺将倒逼数据智能飞跃数据方面，大模型的训练需要大量的高质量数据，但是目前在数据质量方面还存在一定的问题，包括数据噪声、数据缺失、数据不平衡等问题。这会影响大模型的训练效果和准确性。根据一项来自Epoch Al Research团队的研究，高质量的语言数据存量将在2026年耗尽，低质量的语言数据和图像数据的存量则分别在2030年至2050年、2030年至2060年枯竭。这意味着，如果没有新增数据源或是数据利用效率未能显著提升，那么2030年以后，AI大模型的发展速度将明显放缓。预计大模型领域不断迸发的高质量数据需求，将倒逼数据在大规模、多模态、高质量三大维度上的全面提升，数据智能相关技术有望迎来跨越式发展。未来，基于云原生容器化环境，支持流、批数据处理的“湖仓一体”架构将成为新一代数据平台的底座，助力数据质量提升。

趋势三：智能算力无处不在的计算新范式加速实现算力方面，新硬件、新架构竞相涌现，现有芯片、操作系统、应用软件等都可能被推翻重来，预计有望实现“万物皆数据”“无数不计算”“无算不智能”，即智能算力将无处不在，呈现“多元异构、软硬件协同、绿色集约、云边端一体化”四大特征。

趋势四：人工智能生成内容应用向全场景渗透在AIGC（人工智能生成内容）应用方面，其发展源头在数字内容创作领域，从单模态内容到多模态数字化内容创建已初显雏形，预计未来会进一步提高人类创造内容的效率，丰富数字内容生态，开启人机协同创作时代，各种需要创意和新内容的场景，都可能被AIGC重新定义，AIGC向全场景渗透指日可待。具体到场景来看，AIGC目前集中在创造性工作场景中，包括广告营销、游戏创作、艺术设计等。一方面，创意属于稀缺资源，AIGC的创造性对激发灵感、辅助创作、验证创意等大有助益；另一方面，互联网大规模普及使得“一切皆可线上”，数字内容消费需求持续旺盛，AIGC能更低成本、更高效率地生产内容，经济性愈发凸显。不过，AIGC在内容准确性、细节把控度、风格个性化等方面仍有较大优化空间，AIGC潜力能否充分释放取决于和业务需求能否有效结合。

趋势五：人工智能驱动科学研究从单点突破加速迈向平台化AI4S（人工智能驱动的科学研究）应用方面，有望从单点突破加速迈向平台化。在“单点突破”阶段，AI4S发展由科研学者主导，数据、模型、算法及方法论的原创性是市场关注重点，AI4S在特定任务或场景中的“单点应用”初步证明了对应解决方案的落地价值。“平台化”发展则意味着，需要将这些已被证明的价值能力沉淀为平台化工具，提升对下游的通用性价值，与此同时，产业界对于AI4S的工程化需求也逐渐增加，工程师和科研学者将共同主导AI4S下一阶段的发展。

趋势六：具身智能、脑机接口等开启通用人工智能应用探索AGI（通用人工智能）应用方面，其技术原理强调两大特性：一是需要基于先进算法实现智能处理和决策，包括深度学习、强化学习、进化计算等；二是需要具备和人类大脑相似的认知架构，包括感知、记忆、分析、思考、决策、创造等模块。参照AGI技术原理来看，ChatGPT在感知尤其是实时感知能力等方面，仍需进一步优化，而具身智能、脑机接口等技术的发展恰恰能带来有效助力。但是，具身智能和脑机接口技术均处在早期技术孵化阶段，存在核心技术不成熟、研发成本较高、场景化应用难度高、监管制度缺位等突出问题，距离实现商业化应用还有较长一段距离。一些研究机构和企业已经开始探索具身智能、脑机接口如何与ChatGPT相结合，有望催生一批更符合AGI特征的应用。

趋势七：人工智能安全治理趋严、趋紧、趋难人工智能安全治理呈现出趋严、趋紧、趋难三大特征，主要包括“黑箱”困境等技术安全挑战，虚假信息、偏见歧视乃至意识渗透等应用安全挑战，数据泄漏、篡改和真实性难验证等数据安全隐患，此背景下，中美欧三国作为人工智能发展的领军国和地区正积极开展相关立法，呈现出政策法规先行、监管趋严等特征。

趋势八：可解释AI、伦理安全、隐私保护等催生技术创新机遇人工智能在发展过程中面临的技术伦理与社会伦理风险表明，人工智能安全、可信的发展之路任重道远，在解决AI风险的过程中催生出可解释AI、联邦学习等技术创新机遇。其中，联邦学习正成为新型的“技术基础设施”，有望成为下一代人工智能协同算法，隐私计算和协作网络的基础，使数据在合法合规、安全高效的基础上，实现数据价值流动。此外，通过“为机器立心”，逐步实现人机价值观对齐，即要求AI系统的目标要和人类的价值观与利益相对齐或保持一致也是AI伦理价值的重要发展方向。

趋势九：开源创新将是AGI生态建设的基石开源的自由度越高，越有利于吸引更多开发者参与到生态建设中。AGI强调人工智能的通用性，意味着其生态需满足大量细分场景和长尾需求，这种情况下，生态系统越是繁荣开放，越能穷尽可能地覆盖所有专用化、场景化乃至碎片化的需求，保证AGI生态的丰富性和完整性。中国长期强调构建开源创新体系，预计随着鼓励人工智能技术创新生态和开源社区的相关政策不断出台，企业等主体积极参与建设，开源创新有望成为中国AGI生态的重要基石之一，推动中国在前沿理论创新方面取得重大突破，从“跟跑”走向“领跑”。

趋势十：模型即服务（MaaS）将是AGI生态构建的核心商业模式关乎整体生态能否实现从价值创造到价值实现的完整闭环，目前AGI生态的商业模式主要以AIGC相关的商业模式为代表，主要体现为MaaS（模型即服务)模式。该模式核心价值可归纳为：降低算法需求侧的开发技术和使用成本门槛，使AI模型和应用成为简单易用、触手可得的工具。由此，需求侧用户可以专注自身业务逻辑和使用体验，而不必关注底层技术细节，有利于解决AI“能用”但“不好用”的这一关键落地瓶颈。而在供给侧，有望形成“通用大模型+领域大模型+行业大模型+企业/个人小模型”这一基础业态，推动AI落地千行百业，最终实现AGI。

作者：唐玮婕文：唐玮婕图：资料图片编辑：商慧责任编辑：戎兵转载此文请注明出处。